面向仿人手的表面肌電信號(hào)的模式識(shí)別研究.pdf

1、表面肌電信號(hào)是人體肌肉運(yùn)動(dòng)時(shí)所產(chǎn)生的電位信號(hào)。人體上肢不同的運(yùn)動(dòng)模式所表現(xiàn)出的表面肌電信號(hào)也不同。據(jù)此,通過(guò)對(duì)表面肌電信號(hào)進(jìn)行模式識(shí)別來(lái)辨識(shí)不同的動(dòng)作模式。對(duì)于利用表面肌電信號(hào)控制人工機(jī)械臂,表面肌電信號(hào)的特征提取以及模式分類是十分關(guān)鍵的。本文利用表面肌電信號(hào)采集儀器,從受試者上肢提取內(nèi)旋、外旋、握拳、展拳、上切、下切六種動(dòng)作的表面肌電信號(hào)。并利用計(jì)算機(jī)軟件對(duì)六種動(dòng)作模式進(jìn)行時(shí)域特征、頻域特征、時(shí)頻域特征、非線性特征參數(shù)的提取,并首次提

2、出了基于模糊邏輯的雙通道能量比和雙通道能量差兩個(gè)特征參數(shù)。基于1和2通道平均能量,及其雙通道平均能量比和雙通道平均能量差作為表面肌電信號(hào)的四個(gè)參數(shù),分別利用本文所提出的基于模糊數(shù)學(xué)以及決策樹的分類器進(jìn)行模式識(shí)別。其中基于模糊數(shù)學(xué)的分類器是一種采用了全新的處理數(shù)據(jù)的方法。該方法不同于傳統(tǒng)的基于模糊邏輯對(duì)數(shù)據(jù)進(jìn)行模糊化處理方式,而是首先將6種動(dòng)作歸為一個(gè)動(dòng)作集合,然后將該集合劃分為N個(gè)子區(qū)間,計(jì)算出每個(gè)子區(qū)間內(nèi)各動(dòng)作的分布率,并以該分布率作

3、為該動(dòng)作在此區(qū)間內(nèi)的隸屬度,最后以四個(gè)特征的隸屬度之積的大小作為判別依據(jù),取乘積最大的動(dòng)作做為最后的識(shí)別結(jié)果,該分類器得到的動(dòng)作平均識(shí)別率為85.67％。此分類器結(jié)構(gòu)簡(jiǎn)單,計(jì)算方便,但對(duì)于小數(shù)據(jù)量的識(shí)別率還不是很高。而基于模糊C-均值算法的模糊聚類方法,利用通道1和通道2平均能量作為表面肌電信號(hào)的特征,其6種動(dòng)作的平均識(shí)別率可以達(dá)到91.33%。雖然,識(shí)別率較模糊數(shù)學(xué)分類器提高很多,但是,其數(shù)據(jù)訓(xùn)練時(shí)間長(zhǎng),結(jié)構(gòu)復(fù)雜,而且對(duì)于某些動(dòng)作的識(shí)

4、別率也不高,影響了其實(shí)用性?；跊Q策樹的分類器分為兩種,分別是1對(duì)1決策樹、1對(duì)多決策樹。1對(duì)1決策樹分類器依據(jù)人們區(qū)分不同事物時(shí)的二元思維方式,即非此即彼的思維方式。將6種動(dòng)作以二叉樹的形式向下劃分,并最終識(shí)別出6種動(dòng)作。它所得到的平均分類識(shí)別率只有81%,其優(yōu)點(diǎn)在于符合人們的思維習(xí)慣,缺點(diǎn)是結(jié)構(gòu)復(fù)雜,并且對(duì)混疊區(qū)域數(shù)據(jù)的處理能力差?；?對(duì)1決策樹出現(xiàn)的問(wèn)題進(jìn)行改進(jìn)得到1對(duì)多決策樹分類器,其分類思想講求一次性解決所有分類問(wèn)題,其優(yōu)點(diǎn)